Dynamic Integration of Time- and State-domain Methods for Volatility Estimation
时间域与状态域方法的动态整合波动率估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接讨论波动率估计，并明确将动态整合方法置于时间序列问题中。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
时间域与状态域方法的动态整合波动率估计
- 研究问题
- 如何将近期观测提供的时间域信息与历史状态提供的状态域信息动态结合，以提高非参数波动率估计的效率？
- 方法与思路
- 作者分别构造时间域和状态域估计量，再通过数据驱动的权重进行组合，推导各估计量的渐近正态性并开展效率比较。
- 材料陈述的贡献
- 摘要称，整合估计量在其效率比较框架中一致优于两个单独估计量，模拟与实证也支持该方法，并可用于其他时间序列问题。
- 阅读关注点
- 应核对两域估计的目标是否一致、权重的最优准则、统一效率优势的适用范围，以及与 RiskMetrics 等方法比较的实验设计。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未列出优势成立的完整条件或数值证据，不能将其推广到任意过程。
原文摘要
Time- and state-domain methods are two common approaches for nonparametric prediction. The former predominantly uses the data in the recent history while the latter mainly relies on historical information. The question of combining these two pieces of valuable information is an interesting challenge in statistics. We surmount this problem via dynamically integrating information from both the time and the state domains. The estimators from both domains are optimally combined based on a data driven weighting strategy, which provides a more efficient estimator of volatility. Asymptotic normality is seperately established for the time damain, the state domain, and the integrated estimators. By comparing the efficiency of the estimators, it is demonstrated that the proposed integrated estimator uniformly dominates the two other estimators. The proposed dynamic integration approach is also applicable to other estimation problems in time series. Extensive simulations are conducted to demonstrate that the newly proposed procedure outperforms some popular ones such as the RiskMetrics and the historical simulation approaches, among others. Empirical studies endorse convincingly our integration method.